Narbeh Nahapetyan (координатор лаборатории интеллектуального производства ARC)

Центр перспективных исследований

ЛАБОРАТОРИЯ: Интеллектуальное производство

Цель

Цель данного исследования — изучить стратегии на основе ИИ для оптимизации работы роботов установки компонентов (pick-and-place) на производственных линиях технологии поверхностного монтажа (SMT). Используя эксплуатационные показатели и методы машинного обучения, исследование направлено на сокращение общего производственного цикла и времени переналадки.

Прошлое и текущее состояние

Исторически наладка машин P&P включала ручные или полуавтоматизированные процессы, основанные на опыте оператора и многочисленных пробах и ошибках. Хотя инструменты, применяемые в более новых машинах, предлагают базовую оптимизацию, они по-прежнему требуют значительного участия человека, что приводит к более длительному времени наладки, из-за чего растут производственные потребности.

Инновация

В данном исследовании предлагается конфигурирование на основе данных и ИИ путём автоматического анализа файлов данных изделий и ограничений оборудования.

Экономический эффект

Система призвана сократить время наладки, свести к минимуму вмешательство оператора и быстро адаптироваться к меняющимся производственным потребностям. Это также приведёт к снижению доли отказов и увеличению производственной мощности.

Обоснование исследования

В данном исследовании изучается, как искусственный интеллект может оптимизировать наладку машин P&P в производстве по технологии поверхностного монтажа (SMT). Анализируя файл данных каждого изделия вместе с имеющимися ограничениями конкретной машины, такими как поддерживаемые банки питателей, доступные питатели, количество порталов и поддерживаемые головки, система на основе ИИ будет формировать оптимизированный файл наладки, предназначенный для минимизации общего времени цикла машины и сокращения трудозатрат на ручное конфигурирование. Ожидается, что эта основанная на исследовании инновация повысит эффективность процесса P&P по времени, улучшит качество производства и сократит время наладки (наладка может выполняться параллельно с производством), что сделает её ценной для интеллектуальных производственных линий SMT.

Объём проекта

В этом проекте будут использоваться методы на основе ИИ для формирования оптимальной наладки машин SMT P&P. Объём работ включает:

1. Анализ данных: этот этап посвящён разбору файлов данных изделий (таких как файлы установки компонентов и BOM) для извлечения критически важных параметров, таких как типы компонентов и места установки, с учётом конкретных ограничений машины, таких как доступные питатели, банки питателей, количество и конфигурация порталов и сопел.

2. Разработка модели ИИ: на основе результатов первого этапа будет разработан подход на основе ИИ для формирования оптимизированных файлов наладки, включая назначение питателей и последовательности установки, которые минимизируют время цикла и общее время производства.

Трудности

Проведение тщательного тестирования и моделирования без нарушения работы действующих производственных линий может быть затруднительным, особенно при воспроизведении реальных производственных условий в исследовательском масштабе. Проблемой также станет достижение решения, которое можно адаптировать к различным моделям машин. Ограниченность имеющихся в наличии машин P&P также может повлиять на процесс валидации.

Результаты проекта

Результаты проекта должны отражать исследовательские и плановые аспекты. Перечень результатов:

1. Технико-экономическое обоснование: анализ существующих методов и выявление возможностей интеграции ИИ в сценариях оптимизации роботов SMT P&P.

2. План проверки концепции: система, которая продемонстрирует, как результаты исследования будут проверяться в контролируемой среде, с указанием методологий, общих характеристик и критериев валидации.

Коммерческий потенциал

Мы ожидаем, что результаты исследования могут быть использованы для разработки следующего коммерческого продукта:

«Оптимизатор машин монтажа (установки компонентов) линии SMT на основе ИИ»

Narbeh Nahapetyan (координатор лаборатории интеллектуального производства ARC)

Центр перспективных исследований

ЛАБОРАТОРИЯ: Интеллектуальное производство

Цель

Цель данного исследования — изучить возможность применения вспомогательной системы на основе ИИ, которую можно использовать в процессе оптимизации настройки температурного профиля печи оплавления, с целью повышения эффективности, сокращения времени наладки и улучшения качества пайки на производственных линиях SMT.

Обоснование исследования

Растущая сложность производства по технологии поверхностного монтажа (SMT) требует точного управления температурными профилями печей оплавления для обеспечения оптимального качества пайки и надёжности изделий. Ручные методы проб и ошибок часто занимают много времени и подвержены ошибкам, что приводит к росту производственных затрат и возможным дефектам. Цель проекта — исследовать ассистента на основе ИИ, который может объединять аппаратные датчики и интеллектуальное программное обеспечение для автоматизации настройки температурных профилей печей оплавления. Используя данные в реальном времени и передовые алгоритмы машинного обучения, мы рассчитываем предложить решение, которое будет помогать пользователям настраивать оптимальные температурные профили, соответствующие конструкции печатных плат, типам компонентов и свойствам паяльной пасты. Ожидается, что эта основанная на исследовании инновация повысит эффективность процесса, улучшит качество производства и сократит время наладки, что сделает её ценной для современных производственных линий SMT.

Объём проекта

Проект посвящён исследованию решения на основе ИИ, помогающего настраивать оптимальные температурные профили печей оплавления линии SMT. Объём работ включает:

1. Интеграцию аппаратных датчиков для контроля температуры и распределения тепла в реальном времени.

2. Моделирование алгоритмов ИИ для рекомендации температурных профилей на основе конструкции печатных плат, характеристик компонентов и рекомендованного производителем профиля паяльной пасты.

3. Итеративный мониторинг по результатам для повышения точности и надёжности.

Трудности

К трудностям относятся проблемы аппаратной интеграции с существующими печами оплавления на этапе проверки концепции (POC), проблемы качества данных, влияющие на точность модели ИИ, а также трудности обучения модели ИИ работе с различными конструкциями печатных плат. Кроме того, ограниченность типов печей оплавления, имеющихся в наличии, также может повлиять на процесс валидации.

Результаты проекта

Результаты проекта должны отражать исследовательские и плановые аспекты. Перечень результатов:

1. Технико-экономическое обоснование: анализ существующих методов и выявление возможностей интеграции ИИ в профилирование температуры печей оплавления. Спецификации предлагаемой системы на основе ИИ, включая требования к аппаратному и программному обеспечению и интеграции.

2. План проверки концепции: первоначальная концепция и методология интеграции датчиков и алгоритмов ИИ в процесс оплавления с описанием ожидаемых результатов при моделировании системы.

Коммерческий потенциал

Мы ожидаем, что результаты исследования могут быть использованы для разработки следующего коммерческого продукта:

«Профилировщик нагрева печи оплавления линии SMT на основе ИИ»